作者：十年一夢
轉自：AIZOO

本來來自一位在計算機視覺和AI領域有多年從業經驗的算法負責人——十年一夢——之筆。他總結的CV落地的14點感受，可以說是字字珠璣，特此分享給大家。

本文來自：金興智能已獲得授權轉載

1、 在國內安防監控市場，經過幾家大廠近十幾年的培育，許多客戶、集成商已經變得很專業，一般不會受市場宣傳的忽悠；

2、 客戶理解的人工智能產品是通用的，是普遍的，是能100%準確的，但是市場提供的產品確是定制化場景的、有條件使用的，一般還需要用戶配合的產品，所以導致客戶對人工智能有心理落差；

3、 產品說明書中所寫的報警準確率一般都是基于算法仿真的標準，對應的測試集是圖片，而客戶實際應用中測試的標準是基于標準事件的，根本就不是一個評判標準。所以導致會出現這種情況，本來產品說明書中寫的準確率是95%，但是客戶測試了一天，10次報警中出現了3次誤報，準確率才70%，這相差太大了；

4、 深度學習算法的興起，絕對的提升了CV智能算法的精度，但是只是從原來傳統算法75%的精度提升到95%，還是存在5%的錯誤，但客戶的需求永遠是100%，所以這也導致客戶對大家吹的神乎其神的深度學習，產生了很大的失望感；

5、 深度學習算法的興起，對于算法應用工程師行業來說，拉低了門檻，因為基本上只要會調參，弄點數據隨便一訓練，結果就可以碾壓傳統算法的精度，但是讓深度學習繼續解決那5%的錯誤，好像除了增加數據，繼續調參，也別無它法；

6、 其實在整個產品的智能算法框架中，深度學習所能解決的也只是其中的一個模塊或者幾個模塊，比如檢測、跟蹤、或者識別，但依然解決不了那5%的錯誤。若想提升，則需要很多邏輯策略、統計迭代、測試驗證，甚至一些屏蔽手段等才能夠繼續優化提升的；

7、 做好一款智能產品，僅僅依靠攝像頭視覺手段來解決，真的很難，也很有局限性，這好比一個人，只靠眼睛是很難做到準確的完成所有事情，所以有必要結合其他傳感器數據進行綜合處理，比如雷達、熱成像等等；

8、 在國內對于人工智能算法的研發是落后于國外的，但是對于人工智能算法的應用是領先于國外的，是因為國內有巨大的需求市場、人口紅利。最近幾年越來越多的公司進入AI行業，感覺哪一個公司不沾一下AI，都不活不下去。所以在國內，哪個公司有穩定的客源，特別是大客戶，比如中字頭的，則很容易活下去；

9、 在國內，安防市場基本上被幾家大廠壟斷，后起的獨角獸企業也開始瓜分蛋糕，有做算法的，有做硬件的，也有做平臺的。整體的感覺就是，大家都很難受，但整體來說，有資本實力的大廠更容易活下去，小廠在細分領域也會分一杯羹，但是什么都想做，什么也做不好的公司，會很快被耗死，除非不差錢；

10、 雖然人工智能在CV領域落地很難，但也不是不行，對于一些小廠來說，我個人感覺就是要聚焦一個方向做深做精，不要貪多，這樣會被耗死；另外就是一定有自己的客戶資源渠道商；

11、 作為算法工程師來說，我是深有感悟的，CV應用領域誰有數據誰就會占得先機，有數據其實算法就完成70%了;

12、現在國內很多與智能沾邊的企業，都開始在“智慧”領域進行布局，但是真正做智能算法開發、優化以及落地的不多，基本上都是集成商角色，搭建一個平臺，集成第三方應用算法，主要依靠的是自己的渠道以及客戶資源的優；

13、在人工智能領域有落地項目并且開始收獲的企業，多數開始在硬件資源上開始發力，比如芯片、邊緣盒子、服務器等，因為光有客戶和軟件還不行，大部分利潤都讓硬件占去了；

14、在實際中落地的項目，所用的智能算法深度學習模型，很多都是針對特定場景下進行持續迭代訓練的結果，算法工程師都知道這就是過擬合。
一些隨手記錄的口水話想法，希望批評指正，與大家一起繼續探討。

審核編輯 黃昊宇